PowerEdge: XE9680 — procesory GPU znikają z hosta

Typowe zdarzenia i alerty wskazujące na ten problem obejmują:

• Dzienniki jądra hosta przedstawiające Xid 74 lub 79 ze sterownika NVIDIA. W systemie Linux Xid Komunikaty o błędach są w /var/log/messages.

[...] NVRM: Xid (PCI:0000:1a:00): 79, pid='<unknown>', name=<unknown>, GPU has fallen off the bus.

• Dzienniki cyklu eksploatacji firmy Dell mogą zgłaszać PCI1318 Bus Fatal Error:

PCI1318: A fatal error was detected on a component at bus <X> device <Y> function <Z>

• Problem może mieć również charakter przejściowy:
  • Procesory graficzne mogą pojawić się ponownie po wyłączeniu i włączeniu zasilania
  • Liczba i gniazda, w których znikają procesory GPU, mogą ulec zmianie.

Xid i komunikaty o błędach krytycznych magistrali są często związane z PCIe Retimer-błędy związane z tymi błędami. Błędy te mogą wystąpić z powodu problemów z integralnością sygnału w architekturze PCIe.

Firma Dell opublikowała zaktualizowane oprogramowanie wewnętrzne akceleratora GPU. Ta aktualizacja zawiera udoskonalenia interfejsu PCIe Retimers, które poprawiają integralność sygnału i pomagają zapobiegać wypadaniu procesorów graficznych z magistrali. W pierwszym kroku zaleca się aktualizację oprogramowania wewnętrznego do wersji wymienionej poniżej lub nowszej, jeśli wystąpią błędy krytyczne magistrali.